Уважаемые коллеги, доброго времени суток! Представляем вам норвежское научное издание Journal of Electrical Bioimpedance. Журнал имеет четвертый квартиль, издается в Oslo Bioimpedance Group, Department of Physics, University of Oslo, находится в открытом доступе, его SJR за 2019 г. равен 0,248, электронный ISSN - 1891-5469, предметные области - Биофизика, Биомедицинский инжиниринг. Вот так выглядит обложка:
Редактором является Эрьям Грэтем Мартинсен, контактные данные - o.g.martinsen@fys.uio.no
Это международное, рецензируемое, некоммерческое издание открытого доступа. К публикации принимаются оригинальные научные работы, обзорные статьи и учебные материалы по всем аспектам электрического биоимпеданса. Цель состоит в охвате теории, экспериментов и приложений, которые обычно представляют интерес для международных студентов и исследователей биоимпеданса. Примерами соответствующих научных тем могут быть (но не ограничиваются ими): Исследования импедансной спектроскопии на биоматериалах в качестве фундаментальных исследований или разработка нового метода, связанного с этим конкретным материалом; Исследования, в которых одно - или многочастотные биоимпедансные измерения используются для мониторинга физиологических параметров; Исследования, связанные с электроимпедансной томографией (ЭИТ); Приборы, алгоритмы, новые приложения и т. д; Приборостроение или новые методы измерения для биоимпедансных измерений или ВНО; Теоретические работы, связанные с биоимпедансом; Моделирование и симуляции. Моделирование с использованием метода конечных элементов, обычно должно быть проверено с помощью экспериментов перед публикацией. Исследования других сенсорных технологий, имеющих отношение к биоимпедансу (потенциально в мультисенсорном решении), должны проводиться там, где биоимпедансные методы непосредственно не используются - нелинейные (мемристивные) электрические свойства биоматериалов.
Пример статьи, название - Introducing the hybrid “K-means, RLS” learning for the RBF network in obstructive apnea disease detection using Dual-tree complex wavelet transform based features. Заголовок (Abstract) - Apnea is one of the deadliest diseases that can be prevented and cured if it is detected in time. In this paper, we propose a precise method for early detection of the obstructive sleep apnea (OSA) disease using the latest feature selection and extraction methods. The feature selection in this paper is based on the Dual tree complex wavelet (DT-CWT) coefficients of the ECG signals of several patients. The feature extraction from these coefficients is done using frequency and time techniques. The Feature selection is done using the spectral regression discriminant analysis (SRDA) algorithm and the classification is performed using the hybrid RBF network. A hybrid RBF neural network is introduced in this paper for detecting apnea that is much less computationally demanding than the previously presented SVM networks. Our findings showed a 3 percent improvement in the detection and at least a 30 percent reduction in the computational complexity in comparison with methods that have been presented recently. Keywords: Electrocardiogram; Sleep Apnea; RBF network; Wavelet; DT-CWT; Feature extraction.
